Teknik Penambahbaikan Hasil Semikonduktor Lanjutan untuk Fab dan OSAT

Hasil semikonduktor secara langsung mempengaruhi keuntungan. Satu titik peratusan kehilangan hasil boleh menyebabkan kerugian berjuta-juta dolar kepada fabrikasi bervolum tinggi. Kos ini termasuk wafer yang telah dibuang, kerja semula dan penghantaran yang terlepas. Apabila nod proses mengecut, pembungkusan juga menjadi lebih kompleks. Oleh itu, pengurus fabrikasi, jurutera hasil dan pasukan OSAT memerlukan strategi peningkatan hasil semikonduktor yang berkesan. Strategi ini harus menggabungkan data masa nyata, automasi dan kecerdasan ramalan.

Panduan ini meneroka teknik canggih yang digunakan oleh fabrikasi dan OSAT moden. Teknik-teknik ini membantu mengurangkan kecacatan, menstabilkan proses dan meningkatkan hasil secara konsisten.

Kehilangan hasil jarang sekali disebabkan oleh satu punca. Sebaliknya, ia sering berpunca daripada beberapa perubahan proses kecil. Peralatan yang semakin tua dan pengendalian yang tidak konsisten juga boleh menyumbang. Lama-kelamaan, isu-isu ini boleh terkumpul merentasi ratusan langkah pembuatan.

Oleh itu, peningkatan hasil memerlukan lebih daripada sekadar spesifikasi proses yang lebih ketat. Ia memerlukan pendekatan peringkat sistem. Pendekatan ini menghubungkan data peralatan, kawalan proses dan analitik. Bersama-sama, ia mewujudkan gelung maklum balas yang berterusan.

Teknik-teknik di bawah mewakili keadaan semasa peningkatan hasil fabrikasi. Selain itu, ia menyediakan asas untuk operasi pembuatan moden yang dipacu data.

Punca Biasa Kehilangan Hasil Semikonduktor

Sebelum menggunakan sebarang teknik penambahbaikan, adalah penting untuk memahami di mana hasil sebenarnya bocor keluar dari proses tersebut. Jadual di bawah meringkaskan penyumbang paling kerap ditemui oleh pasukan kejuruteraan di lapangan.

Program Penambahbaikan Hasil Fab dan Penambahbaikan Hasil OSAT biasanya bermula dengan memetakan kerugian terhadap kategori seperti ini, kemudian menggabungkan alatan yang diterangkan di bawah untuk menutup setiap jurang secara sistematik.

Pemantauan Proses SPC dan Masa Nyata

Kawalan Proses Statistik (SPC) kekal sebagai asas kawalan proses semikonduktor . Dengan menjejaki parameter utama terhadap had kawalan dalam masa nyata, jurutera boleh mengesan hanyutan sebelum ia menghasilkan wafer yang rosak. Sistem SPC moden menarik data terus daripada peralatan melalui antara muka SECS/GEM, menghapuskan pembalakan manual dan memberikan jurutera penglihatan segera ke dalam keadaan di luar kawalan merentasi setiap alat dalam fabrikasi.

Kawalan Proses Lanjutan (APC)

Walaupun SPC menandakan masalah, Kawalan Proses Lanjutan (APC) secara aktif melaraskan parameter proses untuk memastikan output berada dalam spesifikasi. APC menggunakan model kawalan jalan-ke-jalan untuk mengimbangi variasi alat-ke-alat dan lot-ke-lot secara automatik, sekali gus mengurangkan keperluan untuk penalaan resipi manual. Bagi fabrikasi yang menjalankan tetingkap proses yang ketat pada nod lanjutan, APC selalunya merupakan perbezaan antara hasil marginal dan prestasi terbaik dalam kelasnya.

Pengesanan & Pengelasan Kerosakan (FDC)

Sistem Pengesanan & Pengelasan Kerosakan (FDC) menganalisis data sensor peralatan secara berterusan — suhu, tekanan, kuasa RF, aliran gas — untuk mengesan tingkah laku alat yang tidak normal sebelum ia menjejaskan produk. Tidak seperti had SPC statik, model FDC mempelajari "tandatangan" peralatan biasa dan sisihan bendera dalam masa nyata, membolehkan jurutera menghentikan operasi yang rosak di pertengahan proses dan bukannya menemui kerosakan selepas keputusan metrologi keluar.

Analisis Hasil Berasaskan AI/ML

Analisis hasil tradisional bergantung pada jurutera yang merujuk silang log alat, resipi dan data ujian secara manual. Analisis hasil berasaskan AI/ML mengautomasikan korelasi ini, mengimbas berjuta-juta titik data merentasi peralatan, langkah proses dan keputusan ujian untuk menonjolkan hubungan tersembunyi yang mungkin terlepas pandang oleh manusia. Ini merupakan salah satu aplikasi AI yang paling pesat berkembang untuk pembuatan semikonduktor dan ia sedang mengubah cara fabrikasi mendekati analisis punca utama — daripada penyiasatan reaktif kepada pencegahan ramalan.

Pengesanan dan Pengelasan Kecacatan

Pengelasan Kecacatan Automatik (ADC) menggunakan visi mesin dan pembelajaran mendalam untuk mengenal pasti dan mengkategorikan kecacatan daripada alat pemeriksaan dengan jauh lebih pantas dan lebih konsisten berbanding semakan manual. Dengan mengklasifikasikan jenis kecacatan secara automatik, jurutera boleh mengutamakan isu yang perlu disiasat terlebih dahulu dan dengan cepat menghubungkan corak kecacatan kembali kepada langkah proses atau peralatan tertentu.

Analisis Peta Wafer

Analisis peta wafer menggambarkan corak kecacatan dan kegagalan ujian secara spatial merentasi permukaan wafer. Corak tertentu — cincin tepi, gugusan tengah, calar — menunjukkan punca utama tertentu seperti perasa ruang, ketidakseragaman peralatan pengendalian atau ketidakseragaman CMP. Pengecaman corak peta wafer yang dipertingkatkan AI boleh mengklasifikasikan tandatangan ini secara automatik dan memadankannya dengan data sejarah, sekali gus memendekkan masa penyiasatan punca utama secara mendadak.

Penyelenggaraan Peralatan Prediktif

Masa henti peralatan yang tidak dirancang merupakan pembunuh hasil utama. Penyelenggaraan ramalan menggunakan data sensor — getaran, tarikan arus, suhu — untuk meramalkan kegagalan komponen beberapa minggu sebelum ia berlaku, membolehkan pasukan penyelenggaraan campur tangan sebelum kegagalan pam atau motor menyebabkan lot yang terbengkalai. Peralihan daripada penyelenggaraan reaktif atau berjadual kepada penyelenggaraan berasaskan keadaan ini merupakan salah satu aplikasi ROI tertinggi bagi automasi fabrikasi yang terdapat pada hari ini.

Metrologi Maya

Pengukuran metrologi fizikal adalah perlahan dan tidak boleh dilakukan pada setiap wafer. Metrologi maya menggunakan data proses dan sensor untuk meramalkan hasil metrologi dalam masa nyata, tanpa mengukur setiap unit secara fizikal. Ini membolehkan pemantauan tahap wafer 100%, gelung maklum balas yang lebih pantas dan pengesanan hanyutan yang lebih awal — semuanya tanpa menambah kapasiti alat metrologi.

Padanan Peralatan-ke-Peralatan

Apabila berbilang alat melakukan langkah proses yang sama, perbezaan kecil antara ruang boleh menghasilkan variasi hasil bergantung pada alat yang memproses lot tertentu. Pemadanan peralatan-ke-peralatan menganalisis data prestasi merentasi alat selari untuk mengenal pasti dan membetulkan perbezaan ini, memastikan output yang konsisten tanpa mengira ruang yang dilalui oleh wafer.

Kawalan Proses Gelung Tertutup

Kawalan gelung tertutup menghubungkan sistem metrologi, APC dan peralatan supaya keputusan pengukuran secara automatik memberi maklum balas kepada pelarasan proses — tanpa campur tangan manual. Gelung maklum balas berterusan ini memastikan proses tertumpu pada sasaran, mengurangkan variasi lot-per-lot dan merupakan pemboleh penting bagi pengoptimuman hasil semikonduktor yang stabil dan boleh diulang pada skala.

Perhimpunan OSAT dan Penambahbaikan Hasil Ujian

Cabaran hasil tidak berakhir pada fabrikasi wafer. Penambahbaikan hasil OSAT memerlukan disiplin berasaskan data yang sama yang digunakan untuk pemasangan dan pengujian: memantau parameter ikatan dawai dan pasang acuan, menjejaki prestasi pengendali dan penguji, dan menghubungkan kegagalan ujian akhir kembali kepada keadaan proses atau peralatan tertentu. Pengumpulan data automatik daripada peralatan pemasangan dan pengujian memberikan pengurus OSAT keterlihatan masa nyata yang sama seperti yang diandalkan oleh fabrikasi wafer, menutup jurang kritikal dalam pengurusan hasil hujung ke hujung.

Peranan Automasi Fab dalam Meningkatkan Hasil

Tiada satu pun daripada teknik ini berfungsi secara berasingan — ia bergantung pada infrastruktur data automatik yang terhubung. Automasi Fab menghubungkan peralatan, sistem MES, SPC, FDC dan APC bersama-sama, membolehkan aliran data masa nyata yang menguasakan penyelenggaraan ramalan, metrologi maya dan kawalan gelung tertutup. Fab dan OSAT yang melabur dalam tulang belakang automasi yang kukuh secara konsisten mengatasi teknik yang bergantung pada pengumpulan data manual yang tersisih — bukan sahaja dari segi hasil, tetapi juga dari segi masa kitaran dan keberkesanan peralatan keseluruhan.

Intipati Utama untuk Jurutera Hasil dan Pengurus Fabrik

• Kehilangan hasil jarang sekali disebabkan oleh satu faktor — ia berpunca daripada variasi proses pengkompaunan, peralatan dan pengendalian.
• SPC dan FDC berfungsi paling baik bersama: SPC memantau parameter proses, manakala FDC mengesan tingkah laku peralatan yang tidak normal dalam masa nyata.
• Analisis berasaskan AI/ML dan metrologi maya mengurangkan masa antara sesuatu perjalanan berlaku dan jurutera mengenal pasti punca utamanya.
• Penyelenggaraan ramalan dan pemadanan peralatan-ke-peralatan mengurangkan variasi yang didorong oleh peralatan yang sering terlepas pandang oleh jadual penyelenggaraan manual.
• OSAT memerlukan keterlihatan masa nyata yang sama ke dalam operasi pemasangan dan ujian seperti yang digunakan oleh fabrik wafer pada proses bahagian hadapan.

Pemikiran Akhir

Meningkatkan hasil semikonduktor bukan lagi sekadar mengetatkan tempoh proses — ia adalah tentang membina persekitaran pembuatan pintar yang terhubung di mana SPC, APC, FDC, analitik berasaskan AI dan penyelenggaraan ramalan berfungsi bersama dalam masa nyata. Fab dan OSAT yang menerima pakai strategi peningkatan hasil ini meletakkan diri mereka untuk mengurangkan skrap, mengurangkan masa henti dan mengekalkan kelebihan daya saing apabila kerumitan proses terus berkembang.

Membina tahap kecerdasan terhubung ini bermula dengan asas automasi yang kukuh — asas yang memberikan setiap sistem SPC, APC, FDC dan analitik akses masa nyata yang andal kepada data peralatan. Fab dan OSAT yang mendapat asas ini dengan betul adalah yang paling sesuai untuk mengubah peningkatan hasil daripada latihan kebakaran reaktif menjadi proses yang boleh diramal dan berterusan.